Senior Windows Audio Engineer – APO, Audio Drivers & WASAPI (M/F/NB) in Gdańsk

Jak sprawić, żeby każda aplikacja na komputerze słyszała zrekonstruowany głos użytkownika, a nie tylko jedna wybrana?

Odpowiedź leży głęboko w systemie Windows: w Audio Processing Objects, wirtualnych sterownikach mikrofonu i bezpiecznej inferencji AI na NPU w komputerach PC.

W Etteplan szukamy Senior Windows Audio Engineera, który zintegruje technologię rekonstrukcji mowy opartą na AI ze stosem audio Windows, od pierwszej rozmowy o zakresie, przez zwalidowany proof of concept i prace rozwojowe finansowane przez producenta (NRE), po integrację produkcyjną na sprzęcie klientów.

Od ponad 40 lat łączymy wiedzę inżynierską z nowoczesnymi technologiami. Tworzymy rozwiązania z obszaru software, embedded systems i zaawansowanej inżynierii, pomagając klientom rozwijać produkty i systemy wykorzystywane w rzeczywistym świecie.

Rola w skrócie Obszar: integracja technologii głosowej AI ze stosem audio Windows

Kluczowe technologie: APO, WASAPI, WDK (PortCls, ACX), C/C++, ONNX Runtime, DirectML/Windows ML, QNN, OpenVINO, Ryzen AI

Główne zagadnienia: Audio Processing Objects, wirtualne sterowniki mikrofonu, inferencja AI na NPU, zabezpieczanie modeli, certyfikacja HLK/WHQL, optymalizacja opóźnień

Środowisko: Windows, komputery PC i platformy producentów (OEM, ODM, IHV), układy audio (Realtek, Intel, Qualcomm, AMD)

Poziom: Senior

O projekcie i Twojej roli Dołączysz do zespołu klienta rozwijającego technologię rekonstrukcji mowy opartą na AI. Będziesz ekspertem od audio w Windows, który wprowadza ją do systemu tak, aby działała dla wszystkich aplikacji na komputerze, a nie tylko dla jednej.

Odpowiadasz za uruchomienie SDK na sprzęcie klientów, od pierwszej rozmowy o zakresie, przez zwalidowany PoC i podpisany NRE, po integrację produkcyjną. Współpracujesz bezpośrednio z innymi inżynierami oprogramowania, badaczami AI, inżynierami QA, Technical Product Managerem i zespołem business development. Budujesz też techniczne fundamenty, które pozwolą klientowi prowadzić kilka programów z producentami (OEM) równolegle.

Rola wiąże się z podróżami służbowymi do klientów obejmującymi około 30% czasu pracy.

Co chcemy osiągnąć w pierwszym roku: SDK działa jako podpisany APO i/lub wirtualny mikrofon na urządzeniu producenta komputerów, zwalidowany od PoC do NRE, powstaje referencyjna integracja Windows (APO, wirtualny sterownik audio, bezpieczne ładowanie modeli, instalator), wielokrotnego użytku dla różnych dostawców NPU, dokumentacja integracyjna osiąga wersję 1.0 i przyspiesza wdrożenie kolejnego programu, trwa integracja z drugim producentem PC lub dostawcą układów, z jasnymi kamieniami milowymi.

Dlaczego warto? Budujesz technologię w sercu systemu. Pracujesz w stosie audio Windows, na sterownikach i NPU, a efekt Twojej pracy słyszy każda aplikacja na komputerze. Prowadzisz projekt od pierwszej rozmowy do produkcji. Odpowiadasz za techniczną realizację PoC i NRE, więc widzisz, jak Twoje decyzje przekładają się na wdrożenie u klienta. Tworzysz fundament dla kolejnych programów. Referencyjna integracja, pakiety APO i sterowników oraz dokumentacja skrócą integrację u każdego następnego producenta. Współpracujesz z czołowymi producentami sprzętu. Masz bezpośredni kontakt z zespołami audio producentów komputerów i dostawców układów.

W tej roli będziesz odpowiadać za: Projektowanie, budowę i wdrażanie Audio Processing Objects (APO) uruchamiających rekonstrukcję głosu w ścieżce przechwytywania Windows, w tym APO opartych na CAPX, tryby przetwarzania SFX/MFX/EFX oraz ustawienia i powiadomienia APO. Tworzenie i utrzymywanie wirtualnych sterowników mikrofonu i urządzeń audio (kernel streaming, PortCls, ACX), które udostępniają zrekonstruowany głos jako systemowe wejście dla dowolnej aplikacji. Integrację ze stosami audio producentów sprzętu i układów (np. sterowniki Realtek, Intel, Qualcomm, AMD): pakowanie INF, konfigurację endpointów i współistnienie z istniejącym przetwarzaniem wstępnym, takim jak AEC, redukcja szumu i Windows Studio Effects. Przeprowadzanie sterowników i APO przez proces wydawniczy: testy HLK, attestation i podpisywanie WHQL oraz dostarczanie przez Windows Update lub obrazy OEM. Uruchamianie modeli AI na NPU, GPU i CPU w komputerach przez ONNX Runtime, Windows ML/DirectML, Qualcomm QNN, Intel OpenVINO lub AMD Ryzen AI, w granicach opóźnień audio czasu rzeczywistego. Zabezpieczanie wag modeli i inferencji w Windows: szyfrowanie modeli, enklawy VBS, klucze oparte na TPM, procesy chronione, integralność kodu i bezpieczne ładowanie, w ograniczeniach APO i sterowników. Profilowanie i optymalizację całej ścieżki audio pod kątem opóźnień, płynnego odtwarzania i przechwytywania bez zakłóceń oraz poboru energii (ETW, WPR/WPA, MMCSS, WASAPI o niskim opóźnieniu). Integrację i walidację SDK na komputerach i projektach referencyjnych klientów. Techniczną realizację programów PoC i NRE: konfigurację sprzętu, kamienie milowe, pomiar KPI, demonstracje i końcową dokumentację zakresu. Pełnienie roli głównego technicznego kontaktu dla zespołów audio producentów OEM, ODM i dostawców układów (IHV) podczas PoC, NRE i walidacji. Przekładanie ograniczeń klientów na konkretne zakresy integracji, takie jak macierze mikrofonów, istniejące łańcuchy APO, limity NPU i wymagania bezpieczeństwa. Wspieranie zespołu sprzedaży głębią techniczną na rozmowach o zakresie i w ofertach oraz dbanie o sprawność sprzętu demonstracyjnego na spotkania z klientami i targi. Budowanie powtarzalnych playbooków integracji z Windows, referencyjnych pakietów APO i sterowników, harnessów testowych i stanowisk sprzętowych, które skracają integrację u każdego nowego producenta. Przekazywanie zespołowi AI obserwacji z terenu, np. o warunkach hałasu, zachowaniu mikrofonów, opóźnieniach i przypadkach brzegowych personalizacji. Utrzymywanie dokumentacji integracji SDK i rozwijanie jej na podstawie opinii klientów.

Szukamy osoby, która: Ma co najmniej 6 lat doświadczenia w inżynierii systemów Windows, audio lub sterowników. Ma głęboką, praktyczną wiedzę o architekturze audio Windows: Audio Engine (audiodg), WASAPI, endpointy audio, tryby przetwarzania i Kernel Streaming. Ma udokumentowane doświadczenie w budowie i wdrażaniu Audio Processing Objects (APO). Ma doświadczenie w tworzeniu sterowników audio dla Windows lub wirtualnych urządzeń audio (wirtualnych mikrofonów) z użyciem WDK, PortCls, AVStream lub ACX (przykład SysVAD powinien być znajomy). Ma solidne podstawy w przetwarzaniu wstępnym audio przy przechwytywaniu: kasowanie echa akustycznego, redukcja szumu, beamforming, AGC i DSP czasu rzeczywistego z niskimi budżetami opóźnień. Ma doświadczenie w zabezpieczaniu inferencji modeli AI i własności intelektualnej w Windows: szyfrowanie modeli, przechowywanie kluczy (TPM, DPAPI), enklawy VBS lub inne zaufane środowiska wykonawcze, podpisywanie kodu i odporność na manipulacje. Ma praktyczne doświadczenie z inferencją AI na urządzeniach brzegowych w Windows: ONNX Runtime, DirectML/Windows ML lub środowiska uruchomieniowe producentów NPU, takie jak QNN, OpenVINO czy Ryzen AI. Bardzo dobrze zna C/C++ w pracy systemowej, sterownikowej lub audio czasu rzeczywistego oraz swobodnie debuguje w trybie jądra i użytkownika (WinDbg, ETW, WPA). Zna podpisywanie i certyfikację sterowników: HLK, attestation signing, WHQL i pakowanie INF. Ma doświadczenie w tworzeniu SDK lub w integracji zewnętrznych bibliotek AI, audio lub DSP w produktach wdrażanych komercyjnie. Potrafi pracować bezpośrednio z zespołami inżynierskimi klientów i jasno dokumentować wyniki. Swobodnie posługuje się językiem angielskim w mowie i piśmie. Jest gotowa na podróże służbowe do klientów obejmujące około 30% czasu pracy.

Docenimy również: Znajomość AOSP: budowanie i dostosowywanie obrazów platformy Android, Audio HAL, AudioFlinger/AudioPolicy i framework efektów audio. Doświadczenie z przetwarzaniem audio na Androidzie: AudioRecord, AAudio, Oboe i stosy DSP producentów, takie jak Qualcomm AudioReach. Doświadczenie we współpracy lub pracy w firmach Microsoft, Qualcomm, Intel, AMD, Realtek albo u producenta komputerów (OEM/ODM). Doświadczenie z Windows Studio Effects, certyfikacją urządzeń Microsoft Teams lub strojeniem audio komunikacyjnego. Doświadczenie w przetwarzaniu mowy, AI głosowym lub poprawie jakości dźwięku. Optymalizację modeli na urządzeniach, kwantyzację lub profilowanie opóźnień. Doświadczenie z integracją w urządzeniach typu hearable, wearable lub ochrony słuchu. Znajomość GDPR i obsługi danych biometrycznych na urządzeniu. Znajomość Pythona do narzędzi i benchmarków.

-

Nasza firma wdrożyła procedury ochrony sygnalistów zgodnie z obowiązującą ustawą. Każda osoba ma prawo zgłaszać nieprawidłowości w bezpieczny sposób, a zgłoszenia są objęte pełną ochroną prawną. Więcej informacji: https://www.etteplan.com/pl/kodeks-postepowania/